微軟釋出 7 款自研 MAI 模型：從零訓練不靠蒸餾，成立超級智慧實驗室

很多人還以為微軟在 AI 領域只是 OpenAI 的大股東和算力包工頭，但這家軟體巨頭剛剛亮出了自己的底牌。

微軟 AI 團隊一口氣拿出了七款完全自研的 MAI 系列新模型，覆蓋推理、程式碼、影像、語音和轉錄。更關鍵的是，微軟明確表示這些模型全部從零自研，沒有用任何競品模型做資料蒸餾，訓練資料全部來源合規且可追溯。

從推理到程式碼全線自研

這批新模型裡挑大梁的是 MAI-Thinking-1。這是一隻定位中等體量的推理模型，主打嚴謹的數學推導與軟體工程能力，在盲測對比中人類評估偏好甚至超過了 Sonnet 4.6。

寫程式碼方面，微軟推出了 50 億啟用引數的 MAI-Code-1-Flash。它被直接塞進了 VS Code 和 GitHub Copilot，效能號稱對標 Haiku，但推理成本要低得多。

多模態陣容也沒落下。MAI Transcribe-1.5 支援 43 種語言的行業術語，執行速度宣稱達到競品的 5 倍。MAI-Voice-2 支援 15 種語言的少樣本聲音復刻，文生圖的 MAI-Image-2.5 競技場得分也壓過了 Nano Banana Pro。

分發策略上微軟這次放得很開。模型除了上架自家的 Azure Foundry，還會直接推向 OpenRouter、Fireworks 和 Baseten，並首次允許開發者直接調整模型權重。

軟硬一體與強化學習實戰

微軟同時拿出了名為 Frontier Tuning 的前沿微調機制。簡單說，就是把企業的真實工作流變成強化學習訓練場，讓模型在受控環境下學習實際業務。

按照微軟公佈的資料，針對 Excel 專門微調過的 MAI 模型，不僅能力匹配 GPT 5.4，執行效率還高出了整整 10 倍，成本大幅壓低。

在底層算力上，微軟正把自研晶片 Maia 200 結合進訓練與推理架構中，帶來了 1.4 倍的效率提升，下一代 GB200 叢集也已經點亮運轉。

在敏感垂直領域，微軟宣佈與梅奧診所展開深度合作，基於臨床資料打造專屬醫療大模型。該模型最終版權歸梅奧診所所有，先在梅奧內部驗證，之後再通過 Foundry 開放給其他機構。

為什麼重要

我們認為，這七款模型的亮相，標誌著微軟在基礎模型層面的策略發生了根本性轉向。

過去幾年微軟深度繫結 OpenAI，但依附於單一第三方的隱患顯而易見，不僅算力成本高昂，核心資料和定製能力也難以完全自主掌控。現在微軟自己端出全套自研底座，而且從底層晶片 Maia 200 到端側開發工具 GitHub Copilot 形成閉環，擺明了要在模型層建立自給自足的能力。

對於企業和開發者來說，最大的吸引力在於資料合規與成本。微軟強調不走第三方蒸餾捷徑、資料血統乾淨，這直接擊中了金融、醫療等大客戶對版權侵權和合規審查的焦慮。而 50 億引數的輕量程式碼模型與針對特定工作流的微調機制，把呼叫成本直接壓低了一個數量級，對算力敏感的團隊值得儘快在 OpenRouter 或 Foundry 上上手實測。

不過，微軟自研大模型究竟能否在最前沿的通用複雜推理上持續緊跟 OpenAI 和 Anthropic，目前還要打個問號。但在高頻的企業應用、程式碼輔助和垂類工作流裡，微軟藉著現成的 Office 和雲生態，已經找到了最容易落地的商業切口。